Aggressiivisen ajamisen havaitseminen koneoppimisella ja reunan laskennalla

Tuore patentoimispyyntö on ehdottanut järjestelmää aggressiivisen ajokäyttäytymisen tunnistamiseksi risteyksissä käyttämällä koneoppimisalgoritmeja, jotka on käyttöönotettu siviilireunan laskenta-laitteissa.

Toisin kuin viimeaikaiset innovaatiot tekoälytutkimuksessa tieliikenneräjähdysanalytiikassa (pääasiassa tarkoitettu vakuutusyhtiöiden hyödyksi), ehdotettu järjestelmä on kunnallinen luonteeltaan, ja se voisi olla tarkoitettu helpottamaan rangaistuksia kuljettajille, jotka eivät noudatta “turvallisen” ajokäyttäytymisen ympäristönormeja. Se on myös tarkoitettu antamaan huonosti ajaville kuljettajille liittyvät auton äänivisuaaliset hälytykset.

Patentti haettiin Yhdysvaltain patentti- ja tavaramerkkivirastossa 29. huhtikuuta 2021 Michiganin yliopiston hallintoneuvoston ja Denso-korporaation puolesta, joka on japanilainen autonosien valmistaja, jota omistaa Toyota.

Michiganin yliopiston patentti ei ole omistuksellinen, autossa oleva järjestelmä, joka on tarkoitettu vakuutusvalvontaan, eikä se ole suunniteltu ainoastaan tuottamaan oikeudellista dataa, vaan se perustuu hyvin resurssoituihin reunan laskenta-solmuihin, jotka on käyttöönotettu liikennevaloissa, tarjoamaan välittömiä ja toimintavalmiita palautetta, keräämällä dataa tienvarsien reunan laskenta-resursseista ja lähellä olevien ajoneuvojen antureista. Lähde: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Ehdotettu kehys ei ole aivan passiivinen tai riippuvainen kunnallistechnologiasta, vaan se vaatisi myös ajoneuvossa olevia teknologioita, jotka voivat muuttaa autot osallistuviksi antureiksi järjestelmälle. Tehokkaasti, tämä muuttaisi jokaisen varustetun ajoneuvon liikennevalvontasolmuksi, vaikka sama valvonta kohdistettaisiin myös itse kuljettajaan, jonka lisäksi olisi pääsy ajoneuvon kannettaviin data-virroksiin. Auton asennuksen (kuvattu oikealla) kaavio, joka on toimitettu patenttiin, sisältää suoran anturidatan ajoneuvon jarruista, kaasupoljinesta, ohjauspyörästä ja mittarista, sekä edellyttää pääsyä karttatietoihin.

Molemmat tienvarsiset ja ajoneuvossa olevat asennukset sisältävät CUDA-kiihdytyskäytön ja paikallisen tallennustilaa, ja molemmat sisältävät pilvipalvelun yhteyden.

Varoituksia aggressiivisille kuljettajille

Patenttihakemuksen mukaan järjestelmä on suunniteltu vuorovaiktuakseen kuljettajan kanssa:

‘Kun järjestelmä aggressiivisen ajokäyttäytymisen ennustamiseksi 1 ennustaa aggressiivista ajamista kohteena olevassa ajoneuvossa, varoitusviesti, kuten varoitus kuva 8A, voidaan tulostaa ajoneuvon äänivisuaaliseen laitteeseen 413 varoittamaan aggressiivista kuljettajaa hidastamaan.’

Lisäksi mahdollisia varoituksia ovat auton äänivisuaaliset hälytykset nopeudesta ja tulevista ajoneuvoista:

Varoituksia, jotka on kuvattu patenttihakemuksessa. Lähde: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Patentti sanoo, että toisessa mahdollisessa skenaariossa mitkä tahansa saatavilla olevat äänivisuaaliset laitteet (mukaan lukien kuljettajan omistama puhelin) ajoneuvossa voidaan käyttää varoituksien antamiseen, mukaan lukien äänivaroitukset.

Kuljettajakohtaiset punaiset valot

Liikennevalojen toimintataajuuden ja käyttäytymisen muuttaminen on pitkään tiedetty tapa vähentää onnettomuuksia, ja ehdotettu järjestelmä voidaan käyttää generoimaan dataa, joka voi muuttaa liikennevalojen toimintatapaa risteyksissä laajalla tasolla.

Kuitenkin Michiganin ehdotuksessa kuvattu infrastruktuurin ja ajoneuvon datan syvä integraatio tarjoaa toisen mahdollisuuden: punaiset valot, jotka määräytyvät kuljettajan käyttäytymisen mukaan, eikä ne toimisi kiinteästi tai aikataulun mukaan (katso patenttihakemuksen osio [0157]).

‘Lisäksi, jos ajokäyttäytymisen ennustaminen yhdessä risteyksessä (esim. risteyksessä 200a) ennustaa ja/tai osoittaa aggressiivista ajamista ajoneuvossa 71, korjaavat toimenpiteet, kuten ohjaus-elementtien hallinta, voidaan käyttää myöhemmissä risteyksissä (esim. risteyksissä 200b ja 200c) hillitsemään aggressiivista ajokäyttäytymistä. Esimerkiksi, jos järjestelmä aggressiivisen ajokäyttäytymisen ennustamiseksi 1 ennustaa, että ajoneuvo 71 voi ajaa punaisen valon läpi risteyksessä 200a, järjestelmä voidaan tulostaa ohjaussignaali liikennevalojen 202b ja 202c hallintaan risteyksissä 200b ja 200c. Tällä tavoin liikennevalot 202b ja 202c voidaan muuttaa punaiseksi, esimerkiksi, ennen kuin ajoneuvo 71 ajaa risteyksen 200a läpi, rohkaistaakseen ajoneuvoa 71 hidastamaan ja olemaan yrittämättä nopeuttaa risteyksien 200b ja 200c läpi ennen kuin signaalit 202b ja 202c muuttuvat punaiseksi.’

Kuljettajan yksityisyyden loukkaus

Ehdotukset autossa olevista kuljettajan valvontajärjestelmistä viimeisen kymmenen vuoden aikana ovat hyödyntäneet tunteiden tunnistamisalgoritmeja, yhdessä muiden biometristen osoittimien kanssa, tuottaakseen järjestelmiä, jotka on suunniteltu hillitsemään kuljettajia, koska virheellinen kuljettajan käyttäytyminen voi vaikuttaa vakuutusmaksuihin tällaisissa järjestelmissä, tai muutoin käytetään todisteena onnettomuustutkinnassa.

Toisin kuin Michiganin/Denson ehdotus, joka näyttää olevan tarkoitettu jonkinlaiseen valtiolliseen yhteistyöhön muutosten kautta pakollisissa ajoneuvon standardeissa. Kuitenkin, ottaen huomioon Yhdysvaltain väestön liikkuvuuden normaaliajassa, ja sen, että tällainen järjestelmä olisi sovellettavissa eniten pitkänmatkan kuljettajille, kuten kuorma-autonkuljettajille, on vaikea nähdä, miten mitään muuta kuin valtakunnallinen toteutus olisi toteutettavissa, ellei kehys ole suunniteltu olemaan epäaktiivinen epäosallistuvien valtioiden rajat ylittäessä, tai piireissä, jotka eivät tue järjestelmää.

Vaikka tällaiset innovaatiot ovat yleensä ohjattu vakuutusyhtiöiden trendin kasvua, joka kannustaa vakuutusottajia asentamaan valvontalaitteita, kunnallisen infrastruktuurin tarve ei aivan sovi tähän malliin, mikä viittaa siihen, että tällainen järjestelmä tarvitsisi lainsäädännöllistä tukea ja valtiollista tai liittovaltiollista rahoitusta.

Koneoppimisarkkitehtuuri, joka on ehdotettu järjestelmälle, käyttäen toistuvia neuroverkkoja (RNN). Vaikka kehys käyttää myös valvomatonta oppimista ja tarjoaa reaaliaikaisen palautteen, se myös mahdollistaa offline-koulutuksen parantamaan algoritmeja saapuvan datan ja tapahtumien perusteella. Aggressiivisen ajokäyttäytymisen tunnistaminen tapahtuu dynaamisen aikamuunnoksen (DTW) avulla, algoritmi, jota käytetään aikasarja-analyysissä vertaamaan kahta aikasarjaa tai sekvenssiä, jotka voivat vaihdella nopeudessa.

Tulovirta

Ehdotettu järjestelmä patenttihakemuksessa voisi olla ensimmäinen, joka tarjoaa reaaliaikaisen analyysin virheellisestä kuljettajan käyttäytymisestä kunnallisessa kehyksessä, joka pystyy automaattisesti antamaan sakkoja ja rangaistuksia tai hälyttämään viranomaisia, jos todella vaarallisia kuljettajan tapahtumia. Kuitenkin keksijät myöntävät, että se voidaan käyttää väärin tienääntelevien kunnallisten viranomaisten “rahankasvattina”.

Neda Masoud, apulaisprofessori Michiganin yliopiston siviili- ja ympäristötekniikan laitoksella, kertoi The Academic Times -lehdelle, että ‘Väärät hälytykset ovat pieni hinta parantuneesta turvallisuudesta, jonka teknologia voi tarjota. On kuitenkin aina oltava mahdollisuus väärin syytetyille puolustautua väittämiä vastaan aggressiivisesta ajokäyttäytymisestä,’.

Patenttihakemus tunnustaa mahdollisuuden aggressiivisten ajotapahtumien tapahtumisesta ajoneuvoissa, jotka eivät ole varustettu laitteilla (OBU), mikä voidaan ratkaista ulkoisella havainnoinnilla lähellä olevista ajoneuvoista, jotka ovat varustettu laitteilla, sekä risteyksen asennuksilla. Tällaisissa tapauksissa tunnistaminen siirtyy oletettavasti muihin menetelmiin, kuten automaattiseen rekisterikilven lukemiseen (vaikka patenttihakemus ei käsitelä tätä).

Risteykset korkea riski

Michiganin patentti käsittelee huolellista käyttäytymistä risteyksissä, koska ne ovat liikenneonnettomuuksien ja rikkomusten keskittymä, kun taas aiempi kiinalainen tutkimus samansuuntaisilla linjoilla on käyttänyt tukivektorikoneen (SVM) analyysiä tunnistamaan matkalla olevia tapahtumia, kuten vaarallista kaistojen vaihtoa. Toisessa Kiinassa tehdyn tutkimuksessa hyödynnettiin älypuhelimen antureita epätavallisen ajokäyttäytymisen havaitsemiseen matkalla.

Yhdysvaltain kansallinen liikenneturvallisuusvirasto arvioi vuonna 2010, että 40 % onnettomuuksista, jotka tapahtuivat Yhdysvalloissa vuonna 2008, liittyivät toimintaan risteyksissä.